محاسبه حاصل ضرب
روش انجام محاسبات حاصل ضرب اعداد صفردار و نحوه ی محاسبات عددی ِ این عبارات با دانستن روش انجام آنها در حل و محاسبات خیلی ساده و کاربردی است .
در محاسبات اعدادی که جلوی آن ها صفر وجود همیشه می توان بدون در نظر گرفتن صفر در جلوی عدد ، مورد محاسبه واقع شود و سپس صفرها شمرده شده و در جلوی حاصل ضرب قرار گرفته شود .
"مناسب برای معلمان و دانش آموزان"
برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه62
فهرست مطالب
1- مقدمه
2- معرفی شبکه عصبی مصنوعی
3- فرکانس طبیعی
4- مدل سازی و آنالیز ورق با ANSYS
5- بررسی فرکانس ورق با هوش مصنوعی
6- نتیجه گیری و پیشنهادات
فصـل اول : مقدمه
در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است توانایی‌های مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل می‌تواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا می‌باشد ، سیستم‌های عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکههای عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شده‌اند و همان گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکههای عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیده‌اند،جوابهای قابل قبول ارائه دهند.
شبکههای عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص‌های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری داشنمندان در چند زمینه علمی از قبیل مهندسی رایانه، برق، سازه و بیولوژی اند. کاربرد شبکههای عصبی در مهندسی عمران و بخصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود.از موارد استفاده شبکههای عصبی در مهندسی عمران می‌توان به بهینه سازی، تحلیل، طراحی، پیش بینی خیز و وزن سازه‌ها، تحلیل و طراحی اتصالات، پیش بینی نتایج آزمایشهای بتنی و خاکی ،کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره نمود.
فصـل دوم : شبکه های عصبی مصنوعی
2-1- مقدمه
در این فصل به بررسی اجمالی شبکههای عصبی مصنوعی پرداخته میشود. با استفاده از شبکههای عصبی مصنوعی سعی میشود که ساختار مغز انسان شبیه‌سازی شود. در مغز انسان حدود1011 واحد سازنده بنام نرون2 که همان سلولهای عصبی هستند وجود دارد که هر یک از آنها به حدود 104 نرون دیگر متصل است.
شبکههای عصبی مصنوعی که امروزه در کابردهای فراوانی ارزش خود را نشان داده‌اند براساس مدل بیولوژیکی مغز انسان بوجود آمده‌اند که از چند تا چند هزار نرون تشکیل شده‌اند و اندازة آنها به پیچیدگی مسئله بستگی دارد. نرونها، ورودیها را که به طریقی خاص جمع شده‌اند را پذیرا می‌شوند.
2-2- تاریخچة شبکههای عصبی
شبکههای عصبی در سال 1943 میلادی توسط مک‌کلاچ و پیتز معرفی شد. اولین شبکه عصبی که توسط آنها معرفی شد دارای چند نرون ساده بود و قدرت محاسباتی مناسبی داشت.
در سال 1949 میلادی هب اولین قانون آموزش شبکههای عصبی را پیشنهاد کرد. در آن زمان هب ادعا کرد که اگر دو نرون بطور همزمان فعال شوند، اثر ارتباطی بین آنها زیاد میشود.
دهه‌های50 و60 میلادی سالهای طلائی شبکههای عصبی است. در محدوده سالهای 1958 تا 1962 روزن‌‌بلات گروه بزرگی از شبکههای عصبی به نام پرسپترون را معرفی نمود. قانون آموزش این شبکه‌ها یک روش تکراری اصلاح وزن بود که بسیار قوی‌تر از قانون هب عمل می‌کرد.
با ابداع روش انتشار برگشتی که مستقلاً توسط پارکر و لوکان ارائه گردید تحولی در شبکههای عصبی صورت گرفت. از سایر کسانی که در پیشبرد این علم سهیم بودند برنده جایزه نوبل فیزیک، هاپفیلد بود که شبکههای عصبی را که براساس وزن ثابت عمل می‌کنند را برای اولین بار معرفی کرد. این شبکه‌ها با حافظه مشارکتی عمل می‌کردند و امکان حل مسائل با قیدهای اولیه توسط آنها میسر بود.
دانلود مقاله دانلود سیستم محاسبه بی دردسر، برای پیش بینی عملکرد بانک
ت ص:24
فرمت:ورد
قابل ویرایش
چکیده
این بررسی، محاسبه بی دردسر مبتنی بر سیستم پیش بینی عملکرد بانک را ارائه می کند. این یک سیستم گروهی است که مدل های تشکیل دهنده آن، یک شبکه عصبی چند لایه پیش خودراند که با انتشار قبلی (MLFF-BP) مورد تعلیم قرار گرفته، یک شبکه عصبی احتمال گرا (PNN) و یک شبکه عصبی تابع رادیال بنیادی(RBFN)، ماشین حافظ بردار (SVM)، درخت دسته بندی و رگرسیون (CART) و قانون مبهم مبتنی بر رده بندی کننده است. به علاوه، تحلیل اجزای تشکیل دهنده اساسی (PCA) مبتنی بر شبکه های عصبی پیوندی، به عبارت دیگر PCA-RBF, PCA-PNN,PCA-MLFF-BP نیز به عنوان تشکیل دهنده های گروهی شامل آن می شوند.
علاوه بر این، PNN,GRNN به منظور بهینه سازی عوامل هموار کننده، با یک الگوریتم ژنتیک آموزش دیدند. دو گروه (i) بر پایه رأی ساده اکثریت و(ii) بر پایه سنگینی، به اجرا درمی آیند. این سیستم، عملکرد یک بانک را در سال مالی آتی مبتنی بر داده های مالی 2 سال گذشته اش پیش بینی می کند. در
محاسبه سطح مقطع راداری هواپیما
با استفاده از معادله سهمی
23 صفحه
فرمت فایل: word(قابل ویرایش)تعداد صفحات37
انتقال گرما و حرارت
محاسبه انتقال گرما در سطوح نانومقیاس
دانشمندان با استفاده از یک نانونوک، با منبع گرمایی نانومقیاس، توانسته‌اند یک سطح موضعی را بدون تماس با آن گرم کنند؛ این کشف راهی به سوی ساخت ابزارهای گرمایی ذخیره اطلاعات و نانودماسنج‌ها خواهد بود.
همه ساله نیاز بشر به ذخیره اطلاعات بیشتر و بیشتر میشود. درک چگونگی انتقال گرما در مقیاس نانو لازمه کاربرد این فناوری تأثیرگذار در ذخیره اطلاعات است. دانشمندان سراسر جهان سعی دارند تا فناوری‌های جایگزینی برای سیستم‌های ذخیره اطلاعات کنونی بیابند تا پاسخگوی نیاز روزافزون جوامع امروزی به ذخیره اطلاعات باشد؛ فناوری گرمایی ذخیره اطلاعات از جمله گزینه‌هایی است که به آن رسیده‌اند.
در این روش، با استفاده از یک لیزر، دیسک مورد نظر برای ذخیره اطلاعات را گرم کرده و به این ترتیب فرایند ثبت مغناطیسی پایدار میشود، به طوری که نوشتن داده‌ها روی آن آسان‌تر شده، پس از خنک شدن آن می‌توان داده‌ها را مجدداً بازیابی نمود. با استفاده از این روش، مشکل بحرانی حد ابرپارامغناطیسی که دستگاه‌های ضبط مغناطیسی با آن مواجه‌اند، برطرف میشود.
در روش‌های کنونی دانشمندان بیت‌های اطلاعاتی را که در دمای اتاق کار می‌کنند، تا اندازه معینی کوچک می‌کنند، اما این بیت‌ها با این کار از لحاظ مغناطیسی ناپایدار شده، از محل خود خارج می‌شوند، در نتیجه اطلاعات روی آنها پاک میشود.
بررسی‌های اخیر دانشمندان فرانسوی درباره انتقال گرما بین نوک و سطح به پیشرفت مهمی در زمینه ذخیره گرمایی اطلاعات و دیگر کاربردها منجر شده است. آنها گرمایی را که بیشتر از طریق هوا و به شیوه رسانش، بین نوک سیلیکونی و یک سطح انتقال می‌یابد، محاسبه کردند.
Pierre-Olivier Chapuis از محققان این گروه می‌گوید: ”انتقال گرما در سطح ماکروسکوپی به خوبی شناخته شده است (وقتی برخورد مولکول‌ها در حالت تعادل موضعی ترمودینامیکی باشد با تابع پخش فوریه بیان میشود). همچنین انتقال گرما را می‌توان در یک نظام بالستیک خالص (وقتی که هیچ برخوردی بین مولکول‌ها وجود ندارد) محاسبه نمود. اما محاسبه انتقال گرما در نظام میانی، وقتی که مولکول‌ها با هم برخورد دارند، همچنان یک چالش به شمار می‌آید.“
دانشمندان در آزمایش خود از یک نوک دارای منبع گرمایی به ابعاد 20 nm که در فاصله بین صفر تا 50 نانومتری بالای سطح قرار می‌گیرد، استفاده کرده‌اند.